SBAS-InSAR技術的廣州市地面沉降監測

聶運菊 計玉芳 熊 倩

(東華理工大學 測繪工程學院, 江西 南昌 330013)

摘 要：為了研究廣州市地面沉降情況,利用覆蓋廣州地區的34景Sentinel-1A影像數據,基于永久散射體(PS)特征點的短基線合成孔徑雷達干涉測量(SBAS-InSAR)技術進行時序分析,結果表明 ：研究區總體形態呈穩定狀態,研究區域內存在6個沉降區,在監測時間內,研究區沉降速率為-32.1 mm/a～7.3 mm/a,累計沉降量為-92.1 mm。廣州市的軟土是導致沉降的主要因素,城市的工程建設以及地下水的過度開采為重要原因。

0 引言

人類活動以及特有的軟土地質使得珠江三角洲地區的地面高度正在逐年下降,近十年來,廣州及其周邊城市,頻繁發生地面沉降、塌陷以及嚴重的洪澇災害,給居民的生命和財產帶來嚴重的損害[1]。因此，及時了解監測城市地面下沉原因,并采取相應的措施，從而減少事故發生的頻率。

傳統的地面沉降監測方法包括水準測量、三角高程測量、GPS技術,它們具有時間長、效率低、成本高等缺點[2-3]，但難以滿足城市的大區域、高精度、高頻率的地表形變監測[4]需求。合成孔徑雷達技術(interferometric synthetic aperture radar, InSAR)是近40年發展起來的空間大地測量技術,不受光照和氣候條件等限制，可實現全天時、全天候、高精度、高空間分辨率獲取地表形變數據的目標。隨后提出了差分干涉測量(different interferometric synthetic aperture radar,D-InSAR)技術,研究表明,D-InSAR容易受到是失相干與大氣延遲的影響而導致監測精度降低[5],為了使InSAR技術在地表形變監測精度方面有較大提高,相關學者提出了永久散射體(persistent scatterer-InSAR,PS-InSAR)[6]與短基線合成孔徑雷達干涉測量(small baseline subset-InSAR,SBAS-InSAR)[7]技術，并且得以快速發展,并廣泛應用于城市地表監測[8 -10]，劉會平[11]等最早利用層次分析法對廣州市地面沉降進行危險等級分類,其中極不穩定的地區為珠江沿岸以及珠江環繞地區,ZHAO Qing[12]利用干涉點目標分析(interferometric point target analysis，IPTA)技術對廣州市地面沉降進行研究,發現廣州地面沉降主要是由軟土造成。王華等[13]等采用Envisat衛星第297軌道19景雷達進行研究區的地面沉降分析,并結合水準數據,驗證結果的準確性。聶運菊[14]等利用PS-InSAR結果選取的合適PS特征點為控制點,結合SBAS-InSAR技術分析南昌地鐵沿線沉降原因。以廣州市為研究區基于PS特征點的SBAS-InSAR,對廣州地區2019—2021年35景Sentinel-1A數據進行處理分析,獲取該地區的累計沉降量和平均沉降速率,并結合該城市的地質特點與基礎設施的建設,分析該地區的沉降原因。

1 研究區域和實驗數據源

1.1 研究區域概況

廣州(112°57′E～114°3′E,22°26′N～23°56′N)地處中國南部、廣東省中南部、珠江三角洲中北緣,地勢呈東北高、西南低, 背山面海。瀕臨中國南海,水域遼闊,支流眾多,廣州主要河流有北江、東江北干流及增江、流溪河、白坭河、珠江廣州河段、市橋水道、沙灣水道等廣州市地處南方豐水區,境內河渠縱橫,水資源豐富,大小河流(涌)眾多,水域面積廣闊,集雨面積在100 km2以上的河流共有22條。具體研究區域如圖1所示。

圖1 研究區地理位置

1.2 數據介紹

本研究選用覆蓋廣州市以及部分佛山地區的34景歐空局的2019年1月—2021年10月 Sentinel-1A為數據源,進行地面沉降數據處理,具體參數見表1。為了提高影像軌道精度,采用了歐空局發布精密定軌星歷(precise orbit ephemerides,POD)數據去除軌道誤差,由美國航空航天局(National Aeronautics and Space Administration,NASA)提供的分辨率為30 m的航天飛機雷達地形測量任務(shuttle radar topography mission,SRTM)空間分辨率的數字高程模型(digital elevation model,DEM)去除平地誤差。

表1 數據源基本參數

注：①垂直發射垂直接收(vertical transmit,vertical receive;VV)。

2 研究方法

2.1 控制點的選擇

將PS技術得到的結果加載至用戶桌面組件Arc Map中,提取PS監測結果中形變速率處于-0.03 mm/a-0.03 mm/a且"Coherence" ≥0.9的特征點作為SBAS技術中的地面控制點[15],地理坐標系中的PS點不能直接應用于SBAS-InSAR技術中的控制點,需要將篩選的PS點轉換到SAR坐標系中,才能在SBAS實驗過程中進行使用。同時也需要刪除一些誤差較大控制點,來保證結果的準確性。控制點位置如圖2所示。

圖2 控制點位置

2.2 以PS特征點為控制點的SBAS-InSAR技術

PS-InSAR技術是分析點目標,是對表現為高相干性的散射體,將所得的產品是相關的線性位移的測量和推導的精確高度的局部散射體,通常其特征在于高相干性。SBAS-InSAR技術,改變了干涉對集合的形成方式,能有效削弱時間、空間失相關的影響,提高觀測結果的精度,基于PS特征點的提取作為SBAS-InSAR控制進行實驗。具體流程如圖3所示。

圖3 技術流程圖

3 結果分析

3.1 沉降結果總體分析

由圖4可知，研究區域內年平均沉降速率為-32.1～7.3 mm/a,其中,沉降主要分布在東北部與西南部。沉降主要分布在沉降速率的大小可反映該地區沉降情況。將SBAS-InSAR結果矢量化,得到2 169 642個SBAS點,將這些按照年平均沉降速率按照一定的區間進行統計,并計算出各區間個點的數量。統計結果如圖5 所示。

圖4 沉降速率圖

圖5 沉降速率區間統計圖

由圖5可知,沉降區間在-6～4 mm/a之間,約占97%。其中0～7.3 mm/a占34.5%沉降速率為正值,處于抬升狀態,-32.1～0 mm/a約占65.4%，沉降速率為負值,處于下沉狀態。根據地面沉降干涉雷達數據處理技術規范中地面沉降嚴重程度分級標準[16],對研究區進行地面沉降嚴重程度等級分類,并統計沉降速率在地面沉降等級分類中占百分比，如表2所示。

表2 地面沉降嚴重程度及所占百分比統計

經上述發現,該研究區大部分為-10～0 mm/a，屬于沉降較低的；仍有極少部分為-50～30 mm/a,處于沉降中等區域。

3.2 特征點時序分析

為了進一步了解廣州市地面沉降時空變化的一般沉降特征,在圖6中選擇了6個沉降區域分別選擇一個特征點進行分析。如圖6所示,特征點 P1、P2、P3、P4、P5 和 P6 分別選自區 A 區域、B 區域、C 區域、D 區域、E 區域和 F 區域。B區域、C區域、E區域沉降漏斗呈條狀分布,A區域、D區域、F區域沉降漏斗較小。從圖中可以看出，E處沉降最為嚴重地監測期間平均沉降速率為-32.1 mm/a。A 區域、B 區域、C 區域、D 區域、F 區域監測期間平均沉降速率分別為-29.3、-23.3、-26.0、26.3、30.1 mm/a。

圖6 研究區沉降速率圖

對SBAS-InSAR結果在時間序列上累計沉降量的成圖。如圖7,圖中呈現出的折線相對平順。從圖中都可以看出,P2、P5特征點表示的折線,出現輕微的波動,其余四個特征點累計沉降量保持相對勻速下降狀態。這表明在監測期間內這四個區域均沉降速率保持相對穩定。從P2特征點折線圖可以看出,2019年1月—2019年6月,折線的值均大于0,表示該地區呈抬升趨勢,此后開始沉降,2019年12月至監測末期,沉降速率較之前有明顯的加快,整個監測期間P2特征點的累計沉降量為-55.6 mm,2019年1月—2019年12月,P2特征點累計沉降為-1 mm,2020年1月至監測末,累計沉降為-54.6 mm。P3、P4特征點折線圖斜率表現基本一致,2020年8月至監測末較之前斜率逐漸平穩,沉降速率較之前有所減緩,累計沉降量分別為-58.4、-57.2 mm。P6、P1兩個特征點的折線斜率保持基本一致,表明形變速率保持基本一致,累計沉降量分別為-88.8、-85.1 mm。P5特征點只有在圖中2019年5月出現波動,沉降速率為最大,2019年7月—2021年10月P5與P1、P6沉降速率保持大體一致,累計沉降量為-92.1 mm。

圖7 特征點時序累計形變

選擇A、B、C、D、E、F區域的累計沉降量分析在時間序列分析來分析地面沉降時空變化特征,將SBAS-InSAR的矢量結果按導出時間序列上累計沉降量,首先以2019年2月6日為始相位,每四個月進行統計按照沉降量不同等級進行分類。如圖8所示。

(a)2019-02-06 (b)2019-06-06 (c)2019-10-04

(d)2020-02-01 (e)2020-06-12 (f)2020-10-10

(g)2021-02-07 (h)2021-06-07 (i)2021-10-05
圖8 時序累計沉降變化

從圖8可以看出,在監測期間內,A區域、B區域、C 區域、D區域、E區域、F區域,地面沉降一直處于持續變化 。2019年10月,A區域、E區域、F區域最先開始沉降,其中E區域沉降面積最大。

A區域從2019年10月—2020年10月,快速發展,面積逐漸增大,形成了一個沉降漏斗,此時漏斗中心的最大地面沉降為-51.3 mm;2020年2月—2021年10月A區域沉降輪廓基本保持不變,但地面一直處于沉降狀態,地面最大累計沉降量為-85.1 mm。A區域為柯木塑站附近,2017年6年28日開始開通,可能由于地盾構造產生地面沉降,同時柯木塑地下礦泉水過度開采也是柯木塑地區發生沉降的重要原因。

B區域從監測初期至2019年6月累計沉降值為正值,均處于抬升狀態;至 2020年10月出現較為明顯的沉降;2021年2月—2021年10月,形變速率較之前出現明顯增大,形變量出現明顯增大,且在2021年6月出現沉降漏斗;直至2021年10月,B區域最大形變量為-55.6 mm。B區域為保利天匯附近,查閱資料發現,該區域為小新塘舊改項目所在地,可能由于周邊建筑設施出現明顯增多,導致周圍的地面沉降。

C區域總體表現出較為平穩的下沉,2020年6月,出現較為明顯的沉降;2020年6月—2021年2月,沉降速率明顯增大,且出現沉降漏斗;2021年2月至監測末期,沉降區域基本不變,但地面一直處于較為緩慢的沉降。C區域為海珠湖附近,海珠同時與石榴崗河、大圍涌、大塘涌、上沖涌、楊灣涌、西碌涌6條河涌構成一湖六脈的水網格局,地區大多數為軟土地區[17],是造成珠江三角洲地區地面沉降因素之一。

D區域直至2020年6月,出現較為明顯的沉降狀態,2020年6月—2021年2月,沉降速率發展最快,且在2021年2月出現沉降漏斗;2021年2月至監測末期,沉降范圍沒有明顯增大,沉降量穩定增加。監測末期累計沉降量為-57.2 mm。D區域為沙洛村附近,為西江和珠江流域,廣州河段的交匯處,由河床堆積而成的。通過查閱資料發現，在監測期間廣州第一座COCO Park 在該區域建設,該區域的沉降可能是城市建筑物的擠壓,導致上部分荷載不均勻,形成地面沉降。

E區域在監測期間累計沉降量與沉降范圍均為最大,2019年4月—2020年6月,形變速率快速增大,并形成了沉降漏斗,2020年6月至監測末期,沉降范圍,累計沉降量隨時間逐漸增加,最終地面沉降量為-92.1 mm。該地區位于廣州市番禺區與佛山市南海區交界處的陳村水道連兩旁,了解沉降地區發現,可能由于該區域存在大量的廠房,鄰近陳村水道附近的土質含水量較高,承載力差,導致廠房區域存在沉降。

F區域為2019年10月—2020年10月,A區域快速發展,形成了一個沉降漏斗,2020年10月至監測末期,沉降范圍大體一致,且沉降量保持平穩增加,最大形變量為-88.8 mm。該地區位于陳村鎮佛山市國通保稅物流園。有資料顯示，陳村地區多為軟土[18],佛山市國通保稅物流園于2015年正式投入服務,可能因軟土上部分的荷載不均勻所引起的地面下沉。

3.3 典型性區域分析

為了進一步分析沉降嚴重地區的垂直空間特征[19],選取B、C、E三個典型沉降漏斗區域,提取剖面線b1-b2、c1-c2、e1-e2,如圖9所示，得到沉降剖面線如圖10所示。

(a)剖面線b1-b2

(b)剖面線c1-c2

(c)剖面線e1-e2
圖9 典型性區域沉降圖

(a)b1-b2

(b)c1-c2

(c)e1-e2
圖10 降剖面線圖

3.4 形變原因分析

珠江三角洲平原是東南沿海軟土地基沉降的最典型地區,整體上影響廣州地區沉降的主要原因是軟土,由于軟土的土質、厚度決定沉降分布區域以及發展方向。城市化的進程、地下空間的開拓以及工程建設,造成上部荷載分布不均勻,引起周邊沉降。地下水過度開采也是造成廣州地區地面沉降的重要原因。

4 結束語

(1)據地面沉降干涉雷達數據處理技術規范中地面沉降嚴重程度分級標準,該研究區屬于沉降嚴重程度較低范疇。

(2)在2019年1月—2021年10月研究期間內,沉降速率為-32.1～7.3 mm/a,沉降主要分布在東北部與西南部。其中，最大沉降速率為廣州市番禺區與佛山市南海區交界處的陳村水道兩旁,累計沉降量為-92.1 mm。

(3)研究區域內存在6個沉降區,軟土是導致沉降的主要因素,城市的工程建設以及地下水的過度開采為重要原因。

參考文獻

[1] 謝先明,王松,李明，等.珠江三角洲地區地面沉降現狀及成因分析[J].西部探礦工程,2021,33(8):8-10.

[2] 蔣洪波,陳超,肖勇，等.三峽庫區云陽張飛廟滑坡監測與分析[J].測繪科學,2011,36(5):90-92.

[3] LIAO M, WEI L, BALZ T, et al. Application of TomoSAR in urban deformation surveillance[J]. Shanghai Land Resour, 2013,(34): 7-11.

[4] 楊斌.基于時序InSAR技術的城市地表形變監測研究[D].廣州：廣東工業大學,2019.

[5] 孫廣通, 劉小陽, 張永紅等. 小基線D-InSAR技術在城市地面沉降監測中的應用研究[J]. 測繪通報, 2013(10): 91-94.

[6] FERRETTI A, PRATI C. Nonlinear subsidence rate estimation using permanent scatterers in dfifferential SAR interferometry[J]. IEEE Transactions on Geoence & Remote Sensing, 2000, 38(5): 2202-2212.

[7] BRARDINO P, FORNARO G, LANARI R, et al. A new algorithm for surface deformation monitoring based on small baseline differential SAR interferometry[J]. IEEF Transactions on Geoscience and Remote Sensing,2002,40 (11):2375-2383.

[8] 周呂,李佳豪,王成,等.基于時序InSAR的上海地區2018—2020地鐵沿線沉降監測分析[J].大地測量與地球動力學,2021,41(11):1177-1182.

[9] 金艷,高曉雄,胡瓊,等.InSAR技術的城市建筑形變風險評估[J].測繪科學,2021,46(10):76-79,107.

[10] 安炳琪,羅海濱,丁海勇,等.基于SBAS-InSAR技術的西寧地表形變監測[J].遙感技術與應用,2021,36(4):838-846.

[11] 劉會平, 王艷麗. 廣州市地面沉降危險性評價[J]. 海洋地質動態, 2006,22(1)：1-4.

[12] ZHAOQ, LIN H, JIANG L, et al. A study of ground deformation in the Guangzhou urban area with persistent scatterer interferometry[J]. Sensors, 2009, 9(1): 503-518.

[13] 王華,喻永平,蔣利龍.利用合成孔徑雷達干涉監測廣州佛山地面沉降[J].測繪科學,2014,39(7):67-71.

[14] 聶運菊,熊佳誠,程朋根,等.結合PS特征點的SBAS地表形變監測[J].測繪通報,2020(4):91-95.

[15] 紀東陽,聶運菊,王菲.結合PS特征點的SBAS-InSAR技術監測淮南市區地表沉降[J].城市勘測,2021(3):66-70.

[16] 李蓉蓉. 蘭州市城區地面沉降監測與預測研究[D].蘭州：蘭州交通大學,2021.

[17] 劉鳳梅,黃長生,趙信文.支撐服務廣州市規劃建設與綠色發展資源環境圖集數據集[J].中國地質,2019,46(S2):102-121.

[18] 王會強,馮光財,喻永平,等.基于C波段和L波段的SBAS-InSAR技術監測廣州地面沉降[J].測繪工程,2016,25(11):60-64,71.

[19] 張航,左小清,李勇發,等.小基線技術在玉溪市的地面沉降研究[J].城市勘測,2021(6):83-89

引文格式:  聶運菊,計玉芳,熊倩.SBAS-InSAR技術的廣州市地面沉降監測[J].北京測繪,2022,36(11):1501-1507.

基金項目 ： 國家自然科學基金(41861052)

作者簡介：聶運菊(1978—),女,江西九江人，博士,副教授,研究方向為InSAR理論與應用。E-mail:1679911579@qq.com

通信作者：計玉芳,E-mail:1679911579@qq.com